第137课时： 编码介绍 中文乱码问题解决

---

---

常用编码介绍：

在操作文本文件时，经常会操作中文，这时候就经常会碰到乱码问题。为了让大家有能力解决中文乱码问题，这里简单介绍一下各种编码之间的关系。

测试代码：

f = open(r"b.txt","a")
s = "王立宗\nsxt\n"
f.write(s)
f.close()

运行结果，可以看到，在d盘生成了一个txt文件

打开直观文件后发现，中文字符成了乱码

常见字符的关系图

ASCII

全称为 American Standard Code for Information Interchange，美国信息交换标准代码，这是世界上最早最通用的单字节编码系统，主要用来显示现代 英语及其他西欧语言。
ASCII 码用 7 位表示，只能表示 128 个字符

ISO8859-1

ISO-8859-1 又称 Latin-1，是一个 8 位单字节字符集，它把 ASCII 的最高位也利用起来，并兼容了ASCII，新增的空间是 128，但它并没有完全用完。在ASCII 编码之上又增加了西欧语言、希腊语、泰语、阿拉伯语、希伯来语

对应的文字符号，它是向下兼容ASCII 编码

GB2312,GBK,GB18030

GB2312 全称为信息交换用汉字编码字符集，是中国于 1980 年发布，主要用于计算机系统中的汉字处理。GB2312 主要收录了 6763 个汉字、682 个符号。 GB2312覆盖了汉字的大部分使用率，但不能处理像古汉语等特殊的罕用字，
所以后来出现了像GBK、GB18030 这种编码。

•GB18030

现在最新的内码字集于 2000 年发布，并于 2001 年强制执行，包含了中国大部分少数
民族的语言字符，收录汉字数超过 70000 余个。 它主要采用单字节、双字节、四字节对字符编码，它是向下兼容 GB2312 和GBK 的，
虽然是我国的强制使用标准，但在实际生产中很少用到，用得最多的反而是 GBK 和GB2312

Unicode

（万国码。）

Unicode编码设计成了固定两个字节，所有的字符都用 16 位(2^16=65536)
表示，包括之前只占 8 位的英文字符等，所以会造成空间的浪费，UNICODE 在 很长的一段时间内都没有得到推广应用。

所有符号；两个字节一个字符。

Unicode 完全重新设计，不兼容 iso8859-1，也不兼容任何其他编码

UTF-8(文件存储用它，程序内部操作n=用unicode)

对于英文字母，unicode 也需要两个字节来表示。所以 unicode 不便于传输和存储。因此而产生了UTF 编码，UTF-8 全称是（8-bit Unicode Transformation Format）。 UTF 编码兼容 iso8859-1 编码，同时也可以用来表示所有语言的字符，

不过，UTF 编码是不定长编码，每一个字符的长度从 1-4 个字节不等。

其中， 英文字母都是用一个字节表示，而汉字使用三个字节。

---

【老鸟建议】

一般项目都会使用UTF-8。unicode 中虽然汉字是两个字节，

UTF-8 中汉字是 3 个字节。但是互联网中一个网页也包含了大量的英文字母， 这些英文字母只占用 1 个字节，整体占用空间，UTF-8 仍然优于Unicode。

Python程序中默认使用unicode，

---

中文乱码问题：

windows 操作系统默认的编码是 GBK，Linux 操作系统默认的编码是 UTF-8。
当我们用 open()时，调用的是操作系统打开的文件，默认的编码是GBK。

Python用的编码是 Unicode 而电脑系统是gbk

所以python用Unicode ，而电脑系统生成文件是用gbk格式
所以在python中打开必须用gbk

所以打开文件时用gbk

点击gbk

出现正常的字符。

---

如果我们想生成的文件就是固定的格式，可以如下操作

f = open(r"b.txt","a",encoding='utf-8')
s = "王立宗\nsxt\n"
f.write(s)
f.close()

可以看到，我们后写入的就是utf-8格式